Rupal Patel: Synthetic voices, as unique as fingerprints

112,164 views ・ 2014-02-13

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Kelwalin Dhanasarnsombut Reviewer: Pongsapak Vanichrundorn
00:12
I'd like to talk today
0
12719
1490
วันนี้ฉันอยากจะพูด
00:14
about a powerful and fundamental aspect
1
14209
2927
เกี่ยวกับมุมมองที่ทรงพลังและสำคัญ
00:17
of who we are: our voice.
2
17136
3598
ของตัวตนของเรา: เสียงพูดของเรา
00:20
Each one of us has a unique voiceprint
3
20734
2746
พวกเราแต่ละคนมีรูปแบบเสียงที่เป็นเอกลักษณ์
00:23
that reflects our age, our size,
4
23480
2289
ซึ่งสะท้อนอายุ ขนาด
00:25
even our lifestyle and personality.
5
25769
3237
หรือแม้กระทั่งวิถีชีวิตและบุคลิกภาพของเรา
00:29
In the words of the poet Longfellow,
6
29006
2142
นักกวีนาม ลองเฟลโลว์ กล่าวไว้ว่า
00:31
"the human voice is the organ of the soul."
7
31148
3870
"เสียงของมนุษย์คือเครื่องดนตรีของจิตวิญญาณ"
00:35
As a speech scientist, I'm fascinated
8
35018
2747
ในฐานะนักวิทยาศาสตร์ด้านการพูด ฉันสนใจว่า
00:37
by how the voice is produced,
9
37765
1829
เสียงถูกผลิตออกมาอย่างไร
00:39
and I have an idea for how it can be engineered.
10
39594
3658
และฉันมีความคิดว่ามันจะถูกสร้างขึ้นมาได้อย่างไร
00:43
That's what I'd like to share with you.
11
43252
2210
นั่นคือสิ่งที่ฉันอยากจะแบ่งปันกับคุณ
00:45
I'm going to start by playing you a sample
12
45462
1814
ฉันอยากจะเริ่มโดยให้คุณได้ชมตัวอย่าง
00:47
of a voice that you may recognize.
13
47276
1871
ของเสียงที่คุณอาจจะจำได้
00:49
(Recording) Stephen Hawking: "I would have thought
14
49147
1304
(เสียงบันทึก) สตีเฟน ฮอว์คิง: "ผมคิดไปว่า
00:50
it was fairly obvious what I meant."
15
50451
2749
มันค่อนข้างจะชัดเจนว่าผมหมายความว่าอย่างไร"
00:53
Rupal Patel: That was the voice
16
53200
1280
รูแพล พาเทล: นั่นเป็นเสียง
00:54
of Professor Stephen Hawking.
17
54480
2086
ของศาสตราจารย์สตีเฟน ฮอว์คิง
00:56
What you may not know is that same voice
18
56566
3849
สิ่งที่คุณอาจไม่รู้ก็คือเสียงเดียวกันนี้
01:00
may also be used by this little girl
19
60415
2478
อาจถูกใช้โดยเด็กผู้หญิงตัวเล็กๆ คนนี้
01:02
who is unable to speak
20
62893
1697
ผู้ซึ่งไม่สามารถพูดได้
01:04
because of a neurological condition.
21
64590
2597
ด้วยความผิดปกติเกี่ยวกับระบบประสาท
01:07
In fact, all of these individuals
22
67187
2068
อันที่จริง คนเหล่านี้
01:09
may be using the same voice,
23
69255
2012
อาจกำลังใช้เสียงเดียวกัน
01:11
and that's because there's only a few options available.
24
71267
3557
และนั่นก็เป็นเพราะว่า มันมีทางเลือกไม่มากนัก
01:14
In the U.S. alone, there are 2.5 million Americans
25
74824
4317
ในสหรัฐฯประเทศเดียว มีชาวอเมริกัน 2.5 ล้านคน
01:19
who are unable to speak,
26
79141
1610
ที่ไม่สามารถพูดได้
01:20
and many of whom use computerized devices
27
80751
2622
และมีหลายคนที่ใช้อุปกรณ์ที่ควบคุมโดยคอมพิวเตอร์
01:23
to communicate.
28
83373
1522
ในการสื่อสาร
01:24
Now that's millions of people worldwide
29
84895
3479
ทีนี้ คนหลายล้านทั่วโลก
01:28
who are using generic voices,
30
88374
1652
ผู้ที่กำลังใช้เสียงพื้นฐาน
01:30
including Professor Hawking,
31
90026
1446
ซึ่งรวมไปถึงศาสตราจารย์ฮอว์คิง
01:31
who uses an American-accented voice.
32
91472
4833
ผู้ที่ใช้เสียงที่มีสำเนียงอเมริกัน
01:36
This lack of individuation of the synthetic voice
33
96305
3328
ความไร้ตัวตนของเสียงสังเคราะห์นี้
01:39
really hit home
34
99633
1416
ชัดเจนสำหรับฉัน
01:41
when I was at an assistive technology conference
35
101049
2472
เมื่อฉันร่วมงานสัมมนาเกี่ยวกับเทคโนโลยีอุปกรณ์ช่วย
01:43
a few years ago,
36
103521
1850
เมื่อไม่กี่ปีก่อน
01:45
and I recall walking into an exhibit hall
37
105371
3604
และฉันจำได้ถึงตอนที่เดินเข้าไปในโถงนิทรรศการ
01:48
and seeing a little girl and a grown man
38
108975
3044
และเห็นเด็กผู้หญิงตัวเล็กๆ และผู้ใหญ่เพศชาย
01:52
having a conversation using their devices,
39
112019
2916
กำลังคุยกันโดยใช้เครื่องของพวกเขา
01:54
different devices, but the same voice.
40
114935
4284
คนละเครื่องแต่มีเสียงเดียวกัน
01:59
And I looked around and I saw this happening
41
119219
1909
และฉันก็มองไปรอบๆ และเห็นสิ่งนี้เกิดขึ้น
02:01
all around me, literally hundreds of individuals
42
121128
4190
รอบๆ ตัวฉัน ผู้คนมากนับร้อย
02:05
using a handful of voices,
43
125318
2738
ใช้เสียงพูดเพียงหยิบมือเดียว
02:08
voices that didn't fit their bodies
44
128056
3091
เสียงที่ไม่ได้เหมาะกับร่างกายของเขา
02:11
or their personalities.
45
131147
2082
หรือบุคลิกภาพของพวกเขา
02:13
We wouldn't dream of fitting a little girl
46
133229
2727
เราคงไม่คาดไม่ฝันว่าที่จะให้เด็กผู้หญิงตัวเล็กๆ
02:15
with the prosthetic limb of a grown man.
47
135956
3396
มีแขนขาเทียมของผู้ใหญ่เพศชาย
02:19
So why then the same prosthetic voice?
48
139352
3304
แล้วทำไมถึงทำแบบนั้นกับเสียงเทียม
02:22
It really struck me,
49
142656
1291
มันกระตุ้นฉันอย่างจัง
02:23
and I wanted to do something about this.
50
143947
3151
และฉันต้องการที่จะทำอะไรบางอย่างกับมัน
02:27
I'm going to play you now a sample
51
147098
1953
ฉันกำลังจะเล่นตัวอย่างให้คุณชม
02:29
of someone who has, two people actually,
52
149051
3288
เกี่ยวกับบุคคลสองคน
02:32
who have severe speech disorders.
53
152339
1768
ที่มีการพูดผิดปกติขั้นรุนแรง
02:34
I want you to take a listen to how they sound.
54
154107
3230
ฉันอยากให้คุณฟังว่าเสียงพวกเขาเป็นอย่างไร
02:37
They're saying the same utterance.
55
157337
2357
พวกเขากำลังเปล่งคำเสียงเดียวกัน
02:39
(First voice)
56
159694
2432
(เสียงแรก)
02:42
(Second voice)
57
162126
3617
(เสียงที่สอง)
02:45
You probably didn't understand what they said,
58
165743
2412
คุณอาจไม่เข้าใจหรอกว่าพวกเขาพูดอะไร
02:48
but I hope that you heard
59
168155
1854
แต่ฉันหวังว่าคุณจะได้ยิน
02:50
their unique vocal identities.
60
170009
4283
เสียงที่เป็นเอกลักษณ์ประจำตัวของพวกเขา
02:54
So what I wanted to do next is,
61
174292
2813
ดังนั้น สิ่งที่ฉันต้องการทำต่อไปก็คือ
02:57
I wanted to find out how we could harness
62
177105
2384
ฉันต้องการค้นหาว่าเราจะใช้ประโยชน์
02:59
these residual vocal abilities
63
179489
1821
ศักยภาพของเสียงที่เหลืออยู่เหล่านี้ได้อย่างไร
03:01
and build a technology
64
181310
2016
และสร้างเทคโนโลยี
03:03
that could be customized for them,
65
183326
2143
ที่สามารถสนองความต้องการของพวกเขา
03:05
voices that could be customized for them.
66
185469
2429
เสียงที่สามารถปรับแต่งให้เข้ากับพวกเขา
03:07
So I reached out to my collaborator, Tim Bunnell.
67
187898
2685
ฉันจึงขอความช่วยเหลือจากผู้ร่วมโครงการ ทิม บันเนล
03:10
Dr. Bunnell is an expert in speech synthesis,
68
190583
3063
ดร. บันเนล เป็นผู้เชี่ยวชาญเรื่องเสียงสังเคราะห์
03:13
and what he'd been doing is building
69
193646
2033
และเขากำลังสร้าง
03:15
personalized voices for people
70
195679
1881
เสียงที่สร้างสำหรับแต่ละคน
03:17
by putting together
71
197560
2097
โดยผสาน
03:19
pre-recorded samples of their voice
72
199657
2150
ตัวอย่างเสียงของพวกเขาที่บันทึกเอาไว้
03:21
and reconstructing a voice for them.
73
201807
2879
และเสียงของพวกเขาที่สร้างขึ้นใหม่
03:24
These are people who had lost their voice
74
204686
1712
นี่คือผู้คนที่สูญเสียเสียงของพวกเขาไป
03:26
later in life.
75
206398
1911
ในภายหลัง
03:28
We didn't have the luxury
76
208309
1394
เราไม่ได้มีตัวอย่างเสียงที่บันทึกการพูด
03:29
of pre-recorded samples of speech
77
209703
1774
เอาไว้อย่างมากมาย
03:31
for those born with speech disorder.
78
211477
2292
สำหรับผู้ที่มีความผิดปกติทางการพูดมาแต่กำเนิด
03:33
But I thought, there had to be a way
79
213769
2537
แต่ฉันคิดว่า มันจะต้องมีหนทาง
03:36
to reverse engineer a voice
80
216306
1944
ที่จะเปลี่ยนเสียงที่ทำขึ้น
03:38
from whatever little is left over.
81
218250
2291
ย้อนกลับไปหาสิ่งที่ยังเหลืออยู่เล็กน้อย
03:40
So we decided to do exactly that.
82
220541
2714
ดังนั้น เราตัดสินใจที่จะทำอย่างนั้น
03:43
We set out with a little bit of funding from the National Science Foundation,
83
223255
3403
เราเริ่มด้วยเงินทุนเพียงเล็กน้อย จากองค์กรวิทยาศาสตร์แห่งชาติ
03:46
to create custom-crafted voices that captured
84
226658
3565
เพื่อจะสร้างเสียงที่ทำขึ้นตามสั่ง
03:50
their unique vocal identities.
85
230223
1536
ที่มีเอาเสียงที่เป็นเอกลักษณ์ของพวกเขาไว้
03:51
We call this project VocaliD, or vocal I.D.,
86
231759
3203
เราเรียกโครงการนี้ว่า VocaliD หรือ vocal I.D
03:54
for vocal identity.
87
234962
2033
ที่ย่อมาจาก เอกลักษณ์เสียง (vocal identity)
03:56
Now before I get into the details of how
88
236995
2674
ทีนี้ ก่อนที่จะฉันพูดถึงรายละเอียดที่ว่า
03:59
the voice is made and let you listen to it,
89
239669
2048
เสียงทำได้อย่างไร และให้คุณได้รับฟัง
04:01
I need to give you a real quick speech science lesson. Okay?
90
241717
3350
ฉันต้องสอนเรื่องวิทยาศาสตร์การพูดแบบคร่าวๆ ก่อนนะคะ
04:05
So first, we know that the voice is changing
91
245067
3159
ก่อนอื่น เรารู้ว่าเสียงนั้นเปลี่ยนไปอย่างมาก
04:08
dramatically over the course of development.
92
248226
2854
ระหว่างที่เราเจริญเติบโต
04:11
Children sound different from teens
93
251080
2090
เสียงเด็กต่างจากวัยรุ่น
04:13
who sound different from adults.
94
253170
1463
ซึ่งก็มีเสียงต่างจากผู้ใหญ่
04:14
We've all experienced this.
95
254633
2642
พวกเราเคยมีประสบการณ์เหล่านี้
04:17
Fact number two is that speech
96
257275
3363
ข้อเท็จจริงที่สองก็คือ
04:20
is a combination of the source,
97
260638
2553
เสียงนั้นประกอบขึ้นจากแหล่ง
04:23
which is the vibrations generated by your voice box,
98
263191
3479
ซึ่งก็คือการสั่นสะเทือนที่เกิดจากกล่องเสียงของคุณ
04:26
which are then pushed through
99
266670
1939
ซึ่งมันจะถูกดันขึ้น
04:28
the rest of the vocal tract.
100
268609
2437
ผ่านหลอดเสียง
04:31
These are the chambers of your head and neck
101
271046
2484
นี่คือช่องโพรงต่างๆ ในศีรษะและคอของคุณ
04:33
that vibrate,
102
273530
1239
ที่สั่นสะเทือน
04:34
and they actually filter that source sound
103
274769
2110
และที่จริงแล้วพวกมันก็เป็นตัวกรองเสียงจากแหล่ง
04:36
to produce consonants and vowels.
104
276879
2537
เพื่อจะสร้างพยัญชนะและสระ
04:39
So the combination of source and filter
105
279416
3860
ดังนั้นส่วนผสมจากแหล่งและตัวกรอง
04:43
is how we produce speech.
106
283276
2630
ก็เป็นตัวก่อให้เกิดเสียงของเรา
04:45
And that happens in one individual.
107
285906
3026
และนั่นเกิดขึ้นในตัวบุคคล
04:48
Now I told you earlier that I'd spent
108
288932
2626
ฉันบอกคุณไว้ก่อนหน้านี้ว่า
04:51
a good part of my career
109
291558
2025
ฉันได้ใช้เวลาส่วนใหญ่ในชีวิตการทำงาน
04:53
understanding and studying
110
293583
2453
เพื่อที่จะเข้าใจและศึกษา
04:56
the source characteristics of people
111
296036
1958
ลักษณะของแหล่งของบุคคล
04:57
with severe speech disorder,
112
297994
2301
ที่มีความผิดปกติด้านการพูด
05:00
and what I've found
113
300295
1465
และสิ่งที่ฉันได้พบ
05:01
is that even though their filters were impaired,
114
301760
3366
ก็คือแม้ว่าตัวกรองของพวกเขาจะผิดปกติ
05:05
they were able to modulate their source:
115
305126
2961
พวกเขาสามารถที่จะเปลี่ยนระดับเสียงของแหล่งได้
05:08
the pitch, the loudness, the tempo of their voice.
116
308087
3262
เสียงสูงต่ำ ความดัง และจังหวะของเสียง
05:11
These are called prosody, and I've been documenting for years
117
311349
3368
เหล่านี้เรียกว่า ฉันทลักษณ์ [เสียงและจังหวะ] และฉันได้ทำการรวบรวมมาหลายปี
05:14
that the prosodic abilities of these individuals
118
314717
2277
ว่าความสามารถในเชิงฉันทลักษณ์ของคนเหล่านี้
05:16
are preserved.
119
316994
1575
ถูกรักษาเอาไว้
05:18
So when I realized that those same cues
120
318569
4087
ดังนั้น เมื่อฉันตระหนักว่าเบาะแสเดียวกันนั้น
05:22
are also important for speaker identity,
121
322656
2769
สำคัญต่อเอกลักษณ์ของผู้พูดเช่นกัน
05:25
I had this idea.
122
325425
2015
ฉันก็เกิดความคิดนี้
05:27
Why don't we take the source
123
327440
2516
ทำไมเราไม่นำแหล่ง
05:29
from the person we want the voice to sound like,
124
329956
2213
จากคนที่เราต้องการให้เสียงเป็นแบบเขา
05:32
because it's preserved,
125
332169
1463
เพราะว่ามันถูกรักษาเอาไว้
05:33
and borrow the filter
126
333632
2135
และยืมตัวกรอง
05:35
from someone about the same age and size,
127
335767
3229
จากใครสักคนที่มีอายุและขนาดเท่าๆ กัน
05:39
because they can articulate speech,
128
339011
2407
เพราะพวกเขาพูดได้อย่างชัดเจน
05:41
and then mix them?
129
341418
1791
และผสมมันเข้าด้วยกัน
05:43
Because when we mix them,
130
343209
1787
เพราะเมื่อเราผสมมันแล้ว
05:44
we can get a voice that's as clear
131
344996
1698
เราจะได้เสียงที่ชัดเจน
05:46
as our surrogate talker --
132
346694
1754
พอกับเสียงจากผู้พูดที่เป็นตัวแทนของเรา
05:48
that's the person we borrowed the filter from—
133
348448
2595
ซึ่งเรายืมตัวกรองมาจากเขา
05:51
and is similar in identity to our target talker.
134
351043
4649
และมีความเป็นเอกลักษณ์ที่ใกล้เคียง กับผู้พูดที่เป็นเป้าหมายของเรา
05:55
It's that simple.
135
355692
1427
ง่ายๆ แบบนั้นล่ะค่ะ
05:57
That's the science behind what we're doing.
136
357119
2934
นั่นคือความรู้เบื้องหลังที่เราใช้
06:00
So once you have that in mind,
137
360053
3533
ดังนั้น เมื่อคุณมีสิ่งนั้นอยู่ในใจแล้ว
06:03
how do you go about building this voice?
138
363586
2258
คุณจะสร้างเสียงขึ้นมาได้อย่างไร
06:05
Well, you have to find someone
139
365844
1480
เอาล่ะ คุณต้องหาใครสักคน
06:07
who is willing to be a surrogate.
140
367324
2400
ผู้ที่เต็มใจจะเป็นตัวแทน
06:09
It's not such an ominous thing.
141
369724
2264
มันไม่ได้เป็นเรื่องเลวร้ายอะไร
06:11
Being a surrogate donor
142
371988
1523
การเป็นตัวแทนนั้น
06:13
only requires you to say a few hundred
143
373511
2788
คุณก็แค่ต้องเปล่งเสียงสักร้อย
06:16
to a few thousand utterances.
144
376299
2242
ถึงพันเสียง
06:18
The process goes something like this.
145
378541
2003
ขึ้นตอนเป็นไปประมาณนี้
06:20
(Video) Voice: Things happen in pairs.
146
380544
2190
(วีดีโอ) เสียง: สิ่งนั้นเกิดขึ้นเป็นคู่
06:22
I love to sleep.
147
382734
1925
ฉันชอบนอน
06:24
The sky is blue without clouds.
148
384659
3882
ท้องฟ้าสีครามไร้ซึ่งเมฆ
06:28
RP: Now she's going to go on like this
149
388541
2002
รูแพล: เอาล่ะ เธอจะพูดแบบนั้นไปเรื่อยๆ
06:30
for about three to four hours,
150
390543
1919
สักสามถึงสี่ชั่วโมง
06:32
and the idea is not for her to say everything
151
392462
3005
และไม่ใช่ว่าจะให้เธอพูดทุกๆ อย่าง
06:35
that the target is going to want to say,
152
395467
2045
ที่เป้าหมายต้องการจะพูด
06:37
but the idea is to cover all the different combinations
153
397512
3395
แต่แผนก็คือเพื่อที่จะให้มันครอบคลุมส่วนผสมต่างๆ ทั้งหมด
06:40
of the sounds that occur in the language.
154
400907
3271
ของเสียงที่มีอยู่ในภาษา
06:44
The more speech you have,
155
404178
1638
ยิ่งมีถ้อยคำมากเท่าไร
06:45
the better sounding voice you're going to have.
156
405816
2305
คุณก็จะยิ่งได้เสียงที่ฟังดูดี
06:48
Once you have those recordings,
157
408121
1673
เมื่อคุณได้ทำการบันทึกเสียงแล้ว
06:49
what we need to do
158
409794
1413
ที่เราต้องทำก็คือ
06:51
is we have to parse these recordings
159
411207
2718
เราต้องแจงสิ่งที่บันทึกไว้
06:53
into little snippets of speech,
160
413925
2449
ให้เป็นส่วนเล็กๆ ของถ้อยคำ
06:56
one- or two-sound combinations,
161
416374
2337
เสียงผสมหนึ่งหรือสองเสียง
06:58
sometimes even whole words
162
418711
1883
หรือบางครั้งทั้งคำ
07:00
that start populating a dataset or a database.
163
420594
4516
ที่เริ่มจะพบบ่อยๆ ในผลลัพท์หรือฐานข้อมูล
07:05
We're going to call this database a voice bank.
164
425110
3717
เราจะเรียกฐานข้อมูลนี้ว่าคลังของเสียง
07:08
Now the power of the voice bank
165
428827
2096
ความสามารถของคลังเสียงก็คือ
07:10
is that from this voice bank,
166
430923
2014
จากคลังเสียงนี้
07:12
we can now say any new utterance,
167
432937
2011
เราสามารถเปล่งเสียงใหม่เป็นอะไรก็ได้
07:14
like, "I love chocolate" --
168
434948
1424
เช่น "ฉันชอบช๊อกโกแลต"
07:16
everyone needs to be able to say that—
169
436372
1739
ทุกคนควรที่จะพูดได้จริงไหมคะ
07:18
fish through that database
170
438111
1831
ค้นหาจากในคลังเสียง
07:19
and find all the segments necessary
171
439942
1940
และหาส่วนทั้งหมดที่สำคัญ
07:21
to say that utterance.
172
441882
1929
ที่จะเปล่งคำเหล่านั้นออกมา
07:23
(Video) Voice: I love chocolate.
173
443811
1789
(วีดีโอ) เสียง: ฉันชอบช๊อกโกแลต
07:25
RP: So that's speech synthesis.
174
445600
1391
รูแพล: นั่นคือการสังเคราะห์เสียง
07:26
It's called concatenative synthesis, and that's what we're using.
175
446991
2573
มันถูกเรียกว่า การสังเคราะห์แบบเชื่อมต่อกัน และนั่นก็เป็นสิ่งที่เราใช้
07:29
That's not the novel part.
176
449564
1533
นั่นไม่ใช่สิ่งใหม่อะไร
07:31
What's novel is how we make it sound
177
451097
2221
ส่วนที่เป็นสิ่งใหม่ก็คือวิธีที่เราทำให้เสียง
07:33
like this young woman.
178
453318
1457
เหมือนกับผู้หญิงวัยเยาว์
07:34
This is Samantha.
179
454775
1524
นี่คือซาแมนทา
07:36
I met her when she was nine,
180
456299
2346
ฉันพบเธอเมื่อเธอได้เก้าขวบ
07:38
and since then, my team and I
181
458645
1897
และจับจากนั้น ฉันและกลุ่มวิจัย
07:40
have been trying to build her a personalized voice.
182
460542
2714
ก็ได้พยายามที่จะสร้างเสียงที่มีตัวตนเป็นเธอ
07:43
We first had to find a surrogate donor,
183
463256
3099
ก่อนอื่นเราต้องหาตัวแทนผู้บริจาค
07:46
and then we had to have Samantha
184
466355
1818
และจากนั้นเราต้องให้ซาแมนทา
07:48
produce some utterances.
185
468173
1929
ทำการเปล่งเสียง
07:50
What she can produce are mostly vowel-like sounds,
186
470102
2379
สิ่งที่เธอสามารถทำได้มันจะเป็นเสียงสระ
07:52
but that's enough for us to extract
187
472481
2479
แต่มันก็เพียงพอสำหรับเราที่จะสกัด
07:54
her source characteristics.
188
474960
2285
แหล่งที่มาของลักษณะตัวตนของเธอ
07:57
What happens next is best described
189
477245
3271
สิ่งที่เกิดขึ้นต่อไปนั้น มีการอธิบายไว้เป็นอย่างดี
08:00
by my daughter's analogy. She's six.
190
480516
2767
ด้วยการบรรยายเชิงอุปมาของลูกสาวของฉัน อายุหกขวบ
08:03
She calls it mixing colors to paint voices.
191
483283
5422
เธอเรียกมันว่าผสมสีเพื่อวาดเสียง
08:08
It's beautiful. It's exactly that.
192
488705
2555
มันงดงาม และมันก็เป็นเช่นนั้น
08:11
Samantha's voice is like a concentrated sample
193
491260
2860
เสียงของซาแมนทาเหมือนกับตัวอย่างเข้มข้น
08:14
of red food dye which we can infuse
194
494120
2609
ของสีผสมอาหารสีแดงซึ่งเราสามารถทำให้มันซึมซาบ
08:16
into the recordings of her surrogate
195
496729
2540
เข้าไปในบันทึกของตัวแทนของเธอ
08:19
to get a pink voice just like this.
196
499269
4387
เพื่อที่จะได้เสียงสีชมพู
08:23
(Video) Samantha: Aaaaaah.
197
503656
4491
(วีดีโอ) ซาแมนทา: อาาาาาาห์
08:28
RP: So now, Samantha can say this.
198
508147
2808
รูเพล: ถึงตอนนี้ ซาแมนทาสามารถพูดได้ว่า
08:30
(Video) Samantha: This voice is only for me.
199
510955
3069
วีดีโอ) ซาแมนทา: เสียงนี้สำหรับฉันเท่านั้น
08:34
I can't wait to use my new voice with my friends.
200
514024
6305
ฉันอดใจไม่ไหวที่จะใช้เสียงหใม่ของฉันกับเพื่อนๆ
08:40
RP: Thank you. (Applause)
201
520329
6417
รูเพล: ขอบคุณค่ะ (เสียงปรบมือ)
08:46
I'll never forget the gentle smile
202
526746
2333
ฉันจะไม่ลืมรอยยิ้มอันอ่อนโยน
08:49
that spread across her face
203
529079
1902
ที่ฉาบไปทั่วใบหน้าของเธอ
08:50
when she heard that voice for the first time.
204
530981
3649
เมื่อเธอได้ยินเสียงนั้นเป็นครั้งแรก
08:54
Now there's millions of people
205
534630
1882
ตอนนี้มีผู้คนหลายล้าน
08:56
around the world like Samantha, millions,
206
536512
2833
ทั่วโลกที่เป็นเหมือนซาแมนทา
08:59
and we've only begun to scratch the surface.
207
539345
3440
และพวกเรานั้นแค่เริ่มแบบผิวเผินเท่านั้นเอง
09:02
What we've done so far is we have
208
542785
1642
สิ่งที่เราได้ทำมาก็คือ
09:04
a few surrogate talkers from around the U.S.
209
544427
3859
เรามีผู้พูดตัวแทนจำนวนหนึ่งทั่วทั้งสหรัฐอเมริกาฯ
09:08
who have donated their voices,
210
548286
1507
ผู้ซึ่งบริจาคเสียงของพวกเขา
09:09
and we have been using those
211
549793
1928
และพวกเราก็ได้ใช้มัน
09:11
to build our first few personalized voices.
212
551721
4472
ในการสร้างเสียงส่วนตัวเสียงแรกของเรา
09:16
But there's so much more work to be done.
213
556193
1756
แต่มันยังมีอะไรอีกมากที่ต้องทำ
09:17
For Samantha, her surrogate
214
557949
2188
สำหรับซาแมนทา ตัวแทนของเธอนั้น
09:20
came from somewhere in the Midwest, a stranger
215
560137
3046
มาจากทางตะวันตกส่วนกลาง เป็นคนแปลกหน้า
09:23
who gave her the gift of voice.
216
563183
3841
ผู้ซึ่งให้ของขวัญแห่งเสียงกับเธอ
09:27
And as a scientist, I'm so excited
217
567024
2153
และในฐานะนักวิทยาศาสตร์ ฉันก็ตื่นเต้นมาก
09:29
to take this work out of the laboratory
218
569177
1935
ที่จะนำงานชิ้นนี้ออกจากห้องทดลอง
09:31
and finally into the real world
219
571112
1800
และในที่สุด เผยมันสู่โลกแห่งความจริง
09:32
so it can have real-world impact.
220
572912
3165
ดังนั้น มันมีอิทธิพลต่อโลกแห่งความเป็นจริงได้
09:36
What I want to share with you next
221
576077
1582
สิ่งที่ฉันต้องการจะแบ่งปันกับคุณต่อไปก็คือ
09:37
is how I envision taking this work
222
577659
2175
การที่ฉันจินตนาการถึงการนำงานนี้
09:39
to that next level.
223
579834
2711
ไปสู่ระดับต่อไป
09:42
I imagine a whole world of surrogate donors
224
582545
3887
ฉันคิดถึงโลกทั้งใบที่ผู้บริจาคตัวแทน
09:46
from all walks of life, different sizes, different ages,
225
586432
3260
จากทุกสารทิศ ไม่ว่าจะใหญ่เล็กหรือมีอายุเท่าไร
09:49
coming together in this voice drive
226
589692
3058
เข้ามารวมตัวกันในการผลักดันทางเสียงนี้
09:52
to give people voices
227
592750
2270
เพื่อที่จะให้เสียงกับผู้คน
09:55
that are as colorful as their personalities.
228
595020
3799
ซึ่งเสียงนั้นจะมีชีวิตชีวา ไม่ต่างจากบุคลิกภาพของพวกเขา
09:58
To do that as a first step,
229
598819
2300
สำหรับก้าวแรกนั้น
10:01
we've put together this website, VocaliD.org,
230
601119
3275
เราต้องทำให้เว็บไซต์ VocaliD.org
10:04
as a way to bring together those
231
604394
1624
เป็นวิธีการที่จะนำ
10:06
who want to join us as voice donors,
232
606018
2675
ผู้ที่ต้องการจะเข้าร่วมเป็นผู้บริจาคเสียงกับเรา
10:08
as expertise donors,
233
608693
1772
ให้เป็นดั่งผู้บริจาคผู้เชี่ยวชาญ
10:10
in whatever way to make this vision a reality.
234
610465
5339
ให้แนวคิดนี้เป็นรูปธรรม ไม่ว่าทางใดก็ตาม
10:15
They say that giving blood can save lives.
235
615804
4153
พวกเขาบอกว่าการบริจาคเลือดสามารถรักษาชีวิตได้
10:19
Well, giving your voice can change lives.
236
619957
4982
การให้เสียงของคุณนั้น ก็สามารถเปลี่ยนชีวิตได้
10:24
All we need is a few hours of speech
237
624939
3050
ทั้งหมดที่เราต้องการก็เพียงเวลาไม่กี่ชั่วโมงในการพูด
10:27
from our surrogate talker,
238
627989
1491
โดยผู้พูดตัวแทนของเรา
10:29
and as little as a vowel from our target talker,
239
629480
4733
และแค่เพียงสระจากผู้พูดเป้าหมายของเรา
10:34
to create a unique vocal identity.
240
634213
3711
ที่จะสร้างเสียงที่มีเอกลักษณ์เฉพาะได้
10:37
So that's the science behind what we're doing.
241
637924
2626
นั่นเป็นศาสตร์เบื้องหลังสิ่งที่เรากำลังทำอยู่
10:40
I want to end by circling back to the human side
242
640550
4455
ฉันอยากจะจบเรื่องนี้โดยย้อนกลับไป ยังด้านที่เป็นมนุษย์
10:45
that is really the inspiration for this work.
243
645005
4102
นั่นเป็นแรงบันดาลใจที่แท้จริงของงานนี้
10:49
About five years ago, we built our very first voice
244
649107
3699
ประมาณห้าปีก่อน เราสร้างเสียงแรกของเรา
10:52
for a little boy named William.
245
652806
2501
สำหรับเด็กผู้ชายตัวเล็กๆ ชื่อว่า วิลเลี่ยม
10:55
When his mom first heard this voice,
246
655307
2357
เมื่อแม่ของเขาได้ยินมันเป็นครั้งแรก
10:57
she said, "This is what William
247
657664
2345
เธอพูดว่า "วิลเลี่ยมน่าจะ
11:00
would have sounded like
248
660009
1546
มีเสียงแบบนี้แหละ
11:01
had he been able to speak."
249
661555
2449
ถ้าเขานั้นพูดได้"
11:04
And then I saw William typing a message
250
664004
2418
และเมื่อฉันได้เห็นวิลเลี่ยนพิมพ์ข้อความ
11:06
on his device.
251
666422
1362
บนอุปกรณ์ของเขา
11:07
I wondered, what was he thinking?
252
667784
3293
ฉันก็สงสัย ว่าเขาคิดอะไรอยู่นะ
11:11
Imagine carrying around someone else's voice
253
671077
3590
ลองจินตนาการถึงการที่คุณมีเสียงของใครสักคน
11:14
for nine years
254
674667
2193
มานานเก้าปี
11:16
and finally finding your own voice.
255
676860
4844
และในที่สุดก็ได้พบกับเสียงของตัวคุณเอง
11:21
Imagine that.
256
681704
1377
ลองคิดดูสิ
11:23
This is what William said:
257
683081
2797
นี่คือสิ่งที่วิลเลี่ยมพูด
11:25
"Never heard me before."
258
685878
4463
"ไม่เคยได้ยินผมมาก่อนเลย"
11:32
Thank you.
259
692417
1619
ขอบคุณค่ะ
11:34
(Applause)
260
694036
4724
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7